商业客流定位数据动线提取方法.docVIP

商业客流定位数据动线提取方法 　　摘 要：本文通过从商业场景中获取的大量无线终端的移动定位数据，自动化地提取客流主路径，供商业经营者进行直观的实际动线验证与商业决策支撑。针对现有技术方案中无法从多用户定位数据中提取，且提取算法复杂度高、性能差等问题，提出拟人化的动态图形模板快速匹配法。 　　关键词：商业客流 动线 自动化 　　中图分类号：TP391.43 文献标识码：A 文章编号：1674-098X（2017）10（c）-0122-02 　　1 商业客流数据分析背景与问题 　　评价一个商铺的引流潜力、营销曝光程度、租金等一般是看其所处的地理位置，但本质上有价值的是从那个位置经过的人，即客流。 　　动线或称主路径对应客流要素中的流向。表示在大量不同的终端顾客的各种不同流向数据中体现出的主干流向。其中组成主路径的为每个主路径点，但并非单个终端在不同时间定位点的简单连线。如在傍晚客流高峰时刻，各类客流参差不齐，大体出现有从入口到超市的购物路径，从商超购物完后走向美食街的觅食路径。 　　为让每一寸商业空间发挥最大价值并带给顾客良好的体检。经营者都会先做好建筑动线设计。但随着装修改造、外部交通变化、顾客喜好升级等因素，实际的动线并会不像原先设计的那样理想，甚至被颠覆。这就需要经营者提取真实顾客的动线来作商业决策，在完成一定决策执行后，再通过提取真实动线来验证效果。现在的商场或大型城市综合体越来越多地采用了曲线灵动的多元布局，对该区域的客流分析带来挑战。 　　（1）面积大，客流存在诸多不确定性，如商场外大广场，城市综合体多层立体，至少5万m2。客户在不同店铺间流动存在很多跳跃，长时停留，难以直接提取流向。 　　（2）客流量巨大，并非提取单个用户的路线可以体现。如2013年万达广场总客流12.2亿人次，平均每个广场日均客流5.2万人次。聚类、压缩等机器学习方法复杂度过高，性能很低。 　　（3）地形不规则，客流呈现“曲折、断线、回路”等流向，不利于提取方向。 　　（4）无线覆盖不均，导致无线终端在用户行走中出现断线重连等情况影响连续分析。 　　2 现有技术方案与优劣分析 　　2.1 视频抓拍法 　　基于拍到的运动图像，通过图像识别算法与数理统计模型，对指定单个或多个视频监控区域内的运动物体进行跟踪。还要判定其是否是人体，比如提取人体关键特征就要排除手臂、腿脚、背包、行李、推车等物体的干扰。 　　这种方法投入大（需多点无死角视频跟踪），识别算法复杂（要识别人及身边附属干扰物），处理的数据非线性（动态视频，切图等）。统计的效果较差，因为摄像头变焦范围有限，特别是在方向判断上无法作到平面化。 　　2.2 激光扫描法 　　利用多台激光扫描仪及摄像头分布在商场出入口等位置，通过传感器网络统计客流数量。可检测客流速度、经过通道的方向等客流状态。 　　这种方法只能部署在路径宽度小的区域，而此类区域一般顾客的流向也就是进或出，不会存在空旷位置的不确定性。无法实现大量不同顾客在不确定性方向下的路径提取。所以主要用于客流量与简单的进出方向分析。 　　2.3 无线AP连接法 　　目前无线移动终端已大量普及，公共场所部署无线进行顾客服务提升与营销活动已经很普遍。根据终端在不同时刻的连AP的记录，只能大体上画出单个终端的移动路线。如果要提取大量不同终端的的主路径，只利用在各个覆盖点的AP位置并结合AP下所带的人数多少来粗略分析主路径。 　　这种方法目前提取的还只是AP的位置，距离与路线误差很大，拆线明显。 　　3 动线自动化提取方法 　　为解决现有解决方案中的问题，本文基于wifi定位数据提出动线自动化提取方法。各步骤处理与图示如图1所示。 　　3.1 建立平面模型，将定位数据投射到平面上作数据导入 　　导入一段时间内的无线终端定位的客流数据。并建立定位点数据表：P=（M，T，X，Y，），其中X，Y为坐标；T为时间，M对应单个用户，即同一个终端MAC地址。即点Pm，t对应位置（x，y）。 　　3.2 建立拟人化动态图形模板 　　初始以人体并排走路为最小模板，在此模板中的同向移动点被认为是“同行点”。如成年人肩宽约40cm左右，考虑中间会出安全距离，约为50cm，俯视效果如图1s=所示。 　　建立主路径数据表：R=（X，Y），如主路径的第n个点的坐标为Rn=（x，y），将模板投射到平面。 　　3.3 提取客流主路径点 　　（1）先提取一个用户的路径，按时间顺序作为输入。如图中灰色用户点m=1，t=1，P1，1=（x，y）。 　　（2）判断是否有模板内同行点。方法如下。 　　①以P为模板中心，即Rn=Pm，t。 　　②以T为运算步长，即t=t+1。 　　③判断是否有其他点落入模板，有则为同行点（如上图中